CN117087682A - 基于多传感器信息的汽车低速车速估算方法、装置及设备 - Google Patents
基于多传感器信息的汽车低速车速估算方法、装置及设备 Download PDFInfo
- Publication number
- CN117087682A CN117087682A CN202310886758.9A CN202310886758A CN117087682A CN 117087682 A CN117087682 A CN 117087682A CN 202310886758 A CN202310886758 A CN 202310886758A CN 117087682 A CN117087682 A CN 117087682A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- wheel
- wheel speed
- vehicle speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 239000003638 chemical reducing agent Substances 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000272814 Anser sp. Species 0.000 description 1
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/50—Magnetic or electromagnetic sensors
- B60W2420/503—Hall effect or magnetoresistive, i.e. active wheel speed sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2422/00—Indexing codes relating to the special location or mounting of sensors
- B60W2422/70—Indexing codes relating to the special location or mounting of sensors on the wheel or the tire
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种基于多传感器信息的汽车低速车速估算方法、装置及设备,包括:获取车辆运行过程实时状态参数,包括轮速、方向角和电机转速;根据车辆运行过程实时状态参数判断车辆运行状态;基于车辆运行过程实时状态参数和车辆运行状态,通过自适应加权融合或基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据轮速计算结果计算车辆质心处的第一车速估算结果;基于电机转速计算车辆质心处的第二车速估算结果;将第一车速估算结果和第二车速估算结果通过融合得到最终的车速估算结果。本发明使用自适应加权融合的方式综合利用多个轮速传感器的信息,减小了轮速信息的更新周期。
Description
技术领域
本发明是关于一种基于多传感器信息的汽车低速车速估算方法、装置、设备及介质,涉及汽车动力学车辆状态观测领域。
背景技术
随着智能车辆技术的发展,车辆控制的精细化程度越来越高,高精度的车速信息是实现车辆运动控制的基础。在自动泊车功能中,准确实时的轮速和车速信息可以提高车辆位姿计算的准确性,使得在实现精准泊车入位的同时还可以减少控制时的超调冲击。避免车辆偏离所规划的路径,能够提高自动泊车的成功率。
然而,现有泊车算法中一般会限制车速最高不允许超过10km/h,并且在整个泊车过程中,车速经常会低于5km/h。此时,由于轮速传感器发出的脉冲信号的跳变沿之间的间隔时间增长,轮速信号的准确性和实时性大大下降,导致车辆车速和位姿计算的精度也随之下降。
受制于成本和结构布置等因素,多普勒雷达、五轮仪等可直接精确测量车速的设备无法应用于量产汽车。但是随着低速场景下控制需求的增加,利用标准车载传感器进行低速工况下车速估算的需求也在日益增加。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,针对上述问题,本发明的目的是提供一种能够提高车辆在低速工况下车速估算结果准确性和实时性的基于多传感器信息的汽车低速车速估算方法、装置、设备及介质。
为了实现上述目的,本发明提供的技术方案为:
第一方面,本发明提供的一种基于多传感器信息的汽车低速车速估算方法,包括:
获取车辆运行过程实时状态参数,包括轮速、方向盘转角和电机转速;
根据所述车辆运行过程实时状态参数判断车辆运行状态;
基于所述车辆运行过程实时状态参数和所述车辆运行状态,通过自适应加权融合或基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据所述轮速计算结果计算车辆质心处的第一车速估算结果;
基于所述电机转速计算车辆质心处的第二车速估算结果;
将所述第一车速估算结果和所述第二车速估算结果通过融合计算得到最终的车速估算结果。
本发明的一个优选实施例,所述车辆运行状态包括直行和转弯;
当所述方向盘转角为零时,车辆处于直行状态;
当所述方向盘转角不为零时,车辆处于转弯状态。
本发明的一个优选实施例,所述通过自适应加权融合或基于阿克曼转向原理的轮速换算输出轮速计算结果,包括:
当车辆处于直行时,将四个轮速信号通过自适应加权融合计算出一个虚拟轮速,其它车轮轮速均等于该虚拟轮速;
当车辆处于转弯时,根据阿克曼转向原理,通过虚拟轮速和各轮轮心处的转弯轨道半径进行轮速换算。
本发明的一个优选实施例,当车辆处于直行时,通过自适应加权融合算法,将四个轮速信号数据进行融合得到虚拟车速V1:
式中,i∈{fl,fr,rl,rr},fl、fr、rl和rr分别表示前左轮、前右轮、后左轮和后右轮,λi为各轮轮速信号的权重系数,Vwi为各轮按周期法所求得的轮速,为各轮当前计算时刻Tk与最近一次出现脉冲跳变时刻ti之差;
当车辆处于转弯时,通过虚拟轮速和各轮轮心处的转弯轨道半径进行轮速换算,各轮轮速间的换算关系为:
式中,a,b∈{fi、fo、ro、ri},fi、fo、ro、ri分别表示内侧前轮、外侧前轮、外侧后轮及内侧后轮,Va为待求的轮速,Vb为虚拟轮速,Ra和Rb分别表示转向时待求轮和虚拟轮车轮轮心的轨道半径,通过阿克曼转向模型和勾股定理进行计算。
本发明的一个优选实施例,所述根据轮速计算结果计算车辆质心处的第一车速估算结果,包括:
根据车辆运动学模型,利用所求得的轮速计算结果计算车辆质心处的纵向车速V1x和侧向车速V1y:
式中,Vfi为内侧前轮轮速,Vfo为外侧前轮轮速,ωr为车辆横摆角速度,lf为车辆质心到前轴的距离,为虚拟前轮转角。
本发明的一个优选实施例,所述基于电机转速信号计算车辆质心处的第二车速估算结果,包括:
当车辆直行时,根据电机转速、减速器传动比和车轮滚动半径计算车速:
式中,Vfj、Vrj分别为前轮和后轮轮速,nf、nr分别为前驱动电机和后驱动电机的转速,i0f、i0r分别为前后减速器的减速比,R是车轮的滚动半径;
当车辆转弯时,车辆质心处的纵向和侧向车速V2x,V2y分别为:
本发明的一个优选实施例,将所述第一车速估算结果和所述第二车速估算结果通过交互多模型融合滤波算法进行融合计算。
第二方面,本发明还提供一种基于多传感器信息的汽车低速车速估算装置,包括:
参数获取单元,被配置为获取车辆运行过程实时状态参数,包括轮速、方向角和电机转速;
运行状态判断单元,被配置为根据车辆运行过程实时状态参数判断车辆运行状态;
第一车速估算单元,被配置为基于车辆运行过程实时状态参数和车辆运行状态,通过自适应加权融合和基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据轮速计算结果计算车辆质心处的第一车速估算结果;
第二车速估算单元,被配置为基于电机转速计算车辆质心处的第二车速估算结果;
车速融合单元,被配置为将第一车速估算结果和第二车速估算结果通过融合计算得到最终的车速估算结果。
第三方面,本发明还提供一种电子设备,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行方法中的任一方法的指令。
第四方面,本发明还提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行所述方法中的任一方法。
本发明由于采取以上技术方案,其具有以下特点:
1、本发明使用自适应加权融合的方式综合利用多个轮速传感器的信息,减小了轮速信息的更新周期。
2、本发明引入电机转速信号计算车速,电机转速信号延时低、精度高,可弥补基于脉冲信号计算转速方法的固有弊端,提高了低速下的车速估算精度。
3、本发明使用交互多模型融合算法将基于多轮速脉冲信号的车速估算模型与基于电机转速信号的车速估算模型的计算结果进行融合,降低了电机转速信号波动的影响,使低速工况下的车速估计结果更加准确。
综上,本发明可以广泛应用于汽车低速车速估算中。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。在整个附图中,用相同的附图标记表示相同的部件。在附图中:
图1为本发明实施例的车速估算流程示意图。
图2为本发明实施例的阿克曼转向原理示意图。
图3为本发明实施例平坦路面下低速直行试验结果图。
图4为本发明实施例方向盘转角曲线示意图。
图5为本发明实施例平坦路面下低速转弯试验结果图。
图6为本发明实施例复杂路面下低速直行试验结果图。
图7为本发明实施例的电子设备结构图。
具体实施方式
应理解的是,文中使用的术语仅出于描述特定示例实施方式的目的,而无意于进行限制。除非上下文另外明确地指出,否则如文中使用的单数形式“一”、“一个”以及“”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的,并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在,但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行,除非明确指出执行顺序。还应当理解,可以使用另外或者替代的步骤。
尽管可以在文中使用术语第一、第二、第三等来描述多个元件、部件、区域、层和/或部段,但是,这些元件、部件、区域、层和/或部段不应被这些术语所限制。这些术语可以仅用来将一个元件、部件、区域、层或部段与另一区域、层或部段区分开。除非上下文明确地指出,否则诸如“第一”、“第二”之类的术语以及其它数字术语在文中使用时并不暗示顺序或者次序。因此,以下讨论的第一元件、部件、区域、层或部段在不脱离示例实施方式的教导的情况下可以被称作第二元件、部件、区域、层或部段。
为了便于描述,可以在文中使用空间相对关系术语来描述如图中示出的一个元件或者特征相对于另一元件或者特征的关系,这些相对关系术语例如为“内部”、“外部”、“内侧”、“外侧”、“下面”、“上面”等。这种空间相对关系术语意于包括除图中描绘的方位之外的在使用或者操作中装置的不同方位。
由于现有车辆低速工况下轮速传感器测量精度低,更新周期长,导致车辆车速和位姿计算的精度也随之下降。本发明提供一种基于多传感器信息的汽车低速车速估算方法、装置、设备及介质,方法包括:获取车辆运行过程实时状态参数;根据车辆运行过程实时状态参数判断车辆运行状态;基于车辆运行过程实时状态参数和车辆运行状态,通过自适应加权融合和基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据轮速计算结果计算车辆质心处的第一车速估算结果;计算基于电机转速信号的车辆质心处的第二车速估算结果;将第一车速估算结果和第二车速估算结果通过融合计算得到最终的车速估算结果。因此,本发明能够减小轮速信息的更新周期,提高低速工况下车速估算结果的准确性和实时性。
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一:如图1所示,本实施例提供的基于多传感器信息的汽车低速车速估算方法,包括:
S1、获取车辆运行过程实时状态参数。
本实施例中,获取的车辆运行过程实时状态参数包括轮速脉冲信号、方向盘转角、车辆的纵向加速度、电机转速。
进一步地,获取车辆实时状态参数的采集方法,包括:
利用霍尔式轮速传感器,采集各个车轮的轮速脉冲信号;
利用方向盘转角传感器,采集方向盘转角信号;
利用电机旋转变压器,采集驱动电机转速信号;
利用三轴惯性单元,采集车辆的纵向加速度、侧向加速度和横摆角速度;
上述采集的车辆实时状态参数均可以通过CAN总线传输到计算单元CPU。
S2、根据车辆运行过程实时状态参数判断车辆运行状态。
本实施例中,车辆运行状态包括直行和转弯。
进一步地,可以通过方向盘转角判断车辆运行状态,当方向盘转角为零时,车辆处于直行状态,当方向盘转角不为零时,车辆处于转弯状态。
S3、根据车辆运行过程中的实时状态参数和车辆运行状态,通过自适应加权融合或基于阿克曼转向原理的轮速换算输出基于轮速传感器信号的轮速计算结果。
本实施例中,当车辆处于直行时,将四个轮速传感器的轮速信号通过自适应加权融合计算出一个虚拟轮速,四个车轮轮速均等于该虚拟轮速。
具体地,当车辆处于直行时,通过自适应加权融合算法,将四个轮速传感器的数据进行融合得到虚拟车速V1:
式中,i∈{fl,fr,rl,rr},fl、fr、rl和rr分别表示前左轮、前右轮、后左轮和后右轮,λi为各轮轮速信号的权重系数,可以利用各轮速传感器脉冲信号的更新时刻之间存在的时间差计算各个轮速信号权重系数,Vwi为各轮按传统周期法所求得的轮速,为各轮当前计算时刻Tk与最近一次出现脉冲跳变时刻ti之差,/>越小说明i轮轮速信号的可信度越高,其在计算虚拟车速时所占的权重越大。
本实施例中,当车辆处于转弯时,根据阿克曼转向原理,通过虚拟轮速和各轮轮心处的转弯轨道半径进行轮速换算。其中,当车辆处于转弯时,将轮速传感器脉冲信号的更新时刻距离当前计算时刻最近的轮速信号作为虚拟轮速。
具体地,当车辆处于转弯时,各个车轮的轮速之间存在差值,选取可信度最高即Δtki最小的车轮的轮速作为虚拟轮速。如图2所示的阿克曼转向原理,通过虚拟轮速和各轮轮心处的转弯轨道半径进行轮速换算,各轮轮速间的换算关系为:
式中,a,b∈{fi、fo、ro、ri},fi、fo、ro、ri分别表示内侧前轮、外侧前轮、外侧后轮及内侧后轮,Va为待求的轮速,Vb为虚拟轮速,Ra和Rb分别表示转向时待求轮和虚拟轮车轮轮心的轨道半径,通过阿克曼转向模型和勾股定理进行确定,具体可由式(4)求得:
式中,l和S分别为车辆轴距和轮距、δi和δa分别内侧前轮转角和外侧前轮转角,具体由方向盘转角δ计算得出:
式中,为虚拟前轮转角,K为转向总传动比,解方程(6)即可求得两前轮转角的大小。
S4、根据基于轮速传感器信号的轮速计算结果计算车辆质心处的纵向车速和侧向车速。
本实施例中,通过车辆前轮轮速、前轮转角计算车辆质心处的纵向车速和侧向车速。
具体地,根据车辆运动学模型,利用所求得的基于轮速传感器信号的轮速计算结果计算车辆质心处的纵向车速V1x和侧向车速V1y,具体求解公式如下:
式中,Vfi为内侧前轮轮速,Vfo为外侧前轮轮速,ωr为车辆横摆角速度,lf为车辆质心到前轴的距离。
S5、根据车辆传动系统模型和电机转速信号计算基于电机转速信号的车辆质心处的纵向车速和侧向车速。
目前大部分纯电动汽车采用的是单级固定速比减速器的减速方案,整车传动系统中取消了离合器或液力变矩器,这使得通过驱动电机的转速信息进行轮速估计的方法变得更加方便。
本实施例中,当车辆直行时,根据电机转速、减速器传动比和车轮滚动半径计算车速。当车辆转弯时,根据电机转速、减速器减速比和车轮半径计算虚拟前轮转速,根据虚拟前轮转速和前轮转角计算车辆质心处的纵向车速和侧向车速。
具体地,当车辆直行时,根据电机转速、减速器传动比和车轮滚动半径计算车速,对应的计算公式如下:
式中,Vfj、Vrj分别为前轮和后轮轮速,nf、nr分别为前驱动电机和后驱动电机的转速,i0f、i0r分别为前后减速器的减速比,R是车轮的滚动半径。在整车VCU及电机控制器MCU的控制下,根据前后电机转速计算所得的轮速相差很小,因此本实施例可只采用前驱动电机的转速信息进行车速计算,以此为例,不限于此。
在车辆转弯时,由于差速器的作用,左右两侧车轮转速ωil、ωir的平均值等于差速器的输入轴转速:
式中,ni为驱动电机转速,i0i为减速器的减速比,虚拟前轮轮速Vf可由差速器输入轴转速求得。此时车辆质心处的纵向和侧向车速V2x,V2y分别为:
S6、根据计算出的基于轮速传感器信号的车速估算结果和基于电机转速信号的车速估算结果通过交互多模型融合滤波算法输出最终的车速估算结果。
基于多轮速脉冲信号的轮速车速估算模型可以有效地避免噪声干扰,但在极低速的情况下,其更新周期长,而基于电机转速信号的方法更新周期短,精度高,但无法克服传动系统中由于齿隙所产生的冲击干扰,为充分发挥两种估算模型的优势,通过交互多模型融合算法对两个车速计算模型的输出结果进行加权融合。
本实施例中,通过交互多模型融合滤波算法输出最终的车速估算结果,包括:
S61、利用上一计算周期中计算出每个模型的状态估计值和协方差估计Pi(k-1∣k-1)以及每个滤波器的模型概率μj(k-1)求出每个模型的混合估计值和协方差估计P0j(k-1∣k-1),其中,j=1,2,k指第k个计算周期(程序运行的第k个周期)为模型序列,具体的计算为:
首先,设置每个模型的估计量之间的马尔可夫概率转移矩阵p:
其中,下标r表示采用的模型的数量,取r=2。
然后,根据概率转移矩阵计算每个模型的预测概率和混合概率μij(k-1∣k-1):
则每个模型各自的混合状态估计和混合协方差估计P0j(k-1∣k-1)分别为:
式中,pij为模型i到模型j的转移概率。
S62、对两个模型进行卡尔曼滤波,更新预测状态和滤波协方差Pj(k∣k)。
S63、模型概率更新,采用似然函数来更新模型概率μj(k)。
模型j的似然函数Λj(k)为:
式中:
则模型j的概率为:
式中,c为归一化常数,
S64、输出交互,基于模型概率,对每个滤波器的估计结果加权融合,得到总的状态估计和总的协方差估计P(k∣k):
所得到的即为最终的融合估计结果。
但是由于是分别对纵向和侧向车速进行融合计算,故还需要进行进一步处理得到最终的车速估算结果VIMM:
下面通过具体实施例将本发明的基于多传感器信息的汽车低速车速估算方法通过实车试验与传统算法进行对比。
实车试验的内容包括在平坦路面下的低速直行、低速转弯以及在复杂路面下的低速直行。
在平坦路面下低速直行试验时,车辆由静止起步,试验结果如图3所示。当车辆由静止起步时,轮速传感器检测到第一个脉冲跳变需要一定的时间,采用周期法的传统算法会出现明显的延迟,此外由于周期法更新周期长的特点,传统算法的车速曲线呈现出明显的阶梯状。相比于传统算法,本发明所提出的基于多传感器信息的交互多模型车速算法(IMM)在起步时延迟较小,低速时车速的更新周期更短。与VBox所测得的实时车速相比,IMM算法相较于传统算法在车速低于2km/h工况下的实时性和准确性更高。
在平坦路面下转弯行驶试验时,车辆由静止起步,驾驶员施加的方向盘转角曲线如图4所示。向左转向时方向盘转角为负,向右转向时方向盘转角为正。速度曲线如图5所示。在8秒左右时车辆开始减速,此时由于检测不到新的轮速脉冲,传统算法的车速曲线会出现短暂的延迟,而IMM算法却可以更好地接近VBox的测试值,准确度更高。
在复杂路面下的低速直行工况试验中,选用鹅暖石路面作为复杂路面。试验结果如图6所示,在起步时,传统算法存在较大的延迟,并且由于路面颠簸,曲线出现较大的波动。而IMM算法中的Kalman滤波器具有滤波作用。本发明的IMM算法所得出的结果相较于传统算法更加平稳。
实施例二:上述实施例一提供了基于多传感器信息的汽车低速车速估算方法,与之相对应地,本实施例提供一种基于多传感器信息的汽车低速车速估算装置。本实施例提供的装置可以实施实施例一的基于多传感器信息的汽车低速车速估算方法,该装置可以通过软件、硬件或软硬结合的方式来实现。为了描述的方便,描述本实施例时以功能分为各种单元分别描述。当然,在实施时可以把各单元的功能在同一个或多个软件和/或硬件中实现。例如,该装置可以包括集成的或分开的功能模块或功能单元来执行实施例一各方法中的对应步骤。由于本实施例的装置基本相似于方法实施例,所以本实施例描述过程比较简单,相关之处可以参见实施例一的部分说明即可,本发明提供的基于多传感器信息的汽车低速车速估算装置的实施例仅仅是示意性的。
本实施例提供的一种基于多传感器信息的汽车低速车速估算装置,包括:
参数获取单元,被配置为获取车辆运行过程实时状态参数,包括轮速、方向角和电机转速;
运行状态判断单元,被配置为根据车辆运行过程实时状态参数判断车辆运行状态;
第一车速估算单元,被配置为基于车辆运行过程实时状态参数和车辆运行状态,通过自适应加权融合和基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据轮速计算结果计算车辆质心处的第一车速估算结果;
第二车速估算单元,被配置为基于电机转速计算车辆质心处的第二车速估算结果;
车速融合单元,被配置为将第一车速估算结果和第二车速估算结果通过融合计算得到最终的车速估算结果。
实施例三:本实施例提供一种与本实施例一所提供的基于多传感器信息的汽车低速车速估算方法对应的电子设备,电子设备可以是用于客户端的电子设备,例如手机、笔记本电脑、平板电脑、台式机电脑等,以执行实施例一的方法。
如图7所示,电子设备包括处理器、存储器、通信接口和总线,处理器、存储器和通信接口通过总线连接,以完成相互间的通信。总线可以是工业标准体系结构(ISA,IndustryStandard Architecture)总线,外部设备互连(PCI,Peripheral Component)总线或扩展工业标准体系结构(EISA,Extended Industry Standard Component)总线等等。存储器中存储有可在处理器上运行的计算机程序,处理器运行计算机程序时执行以执行实施例一的方法,其实现原理和技术效果与实施例一类似,在此不再赘述。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算设备的限定,具体的计算设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个优选的实施例中,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、光盘等各种可以存储程序代码的介质。
在一个优选的实施例中,处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器,在此不做限定。
实施例四:本实施例提供一种计算机程序产品,计算机程序产品可以是包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述实施例一所提供的方法,其实现原理和技术效果与实施例一类似,在此不再赘述。
在一个优选的实施例中,计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备,例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。计算机可读存储介质存储计算机程序指令,该计算机程序指令使计算机执行上述实施例一提供的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。在本说明书的描述中,参考术语“一个优选的实施例”、“进一步地”、“具体地”、“本实施例中”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
本申请是参照根据本申请实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于多传感器信息的汽车低速车速估算方法,其特征在于,包括:
获取车辆运行过程实时状态参数,包括轮速、方向盘转角和电机转速;
根据所述车辆运行过程实时状态参数判断车辆运行状态;
基于所述车辆运行过程实时状态参数和所述车辆运行状态,通过自适应加权融合或基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据所述轮速计算结果计算车辆质心处的第一车速估算结果;
基于所述电机转速计算车辆质心处的第二车速估算结果;
将所述第一车速估算结果和所述第二车速估算结果通过融合计算得到最终的车速估算结果。
2.根据权利要求1所述的基于多传感器信息的汽车低速车速估算方法,其特征在于,所述车辆运行状态包括直行和转弯;
当所述方向盘转角为零时,车辆处于直行状态;
当所述方向盘转角不为零时,车辆处于转弯状态。
3.根据权利要求1所述的基于多传感器信息的汽车低速车速估算方法,其特征在于,所述通过自适应加权融合或基于阿克曼转向原理的轮速换算输出轮速计算结果,包括:
当车辆处于直行时,将四个轮速信号通过自适应加权融合计算出一个虚拟轮速,其它车轮轮速均等于该虚拟轮速;
当车辆处于转弯时,根据阿克曼转向原理,通过虚拟轮速和各轮轮心处的转弯轨道半径进行轮速换算。
4.根据权利要求3所述的基于多传感器信息的汽车低速车速估算方法,其特征在于,当车辆处于直行时,通过自适应加权融合算法,将四个轮速信号数据进行融合得到虚拟车速V1:
式中,i∈{fl,fr,rl,rr},fl、fr、rl和rr分别表示前左轮、前右轮、后左轮和后右轮,λi为各轮轮速信号的权重系数,Vwi为各轮按周期法所求得的轮速,为各轮当前计算时刻Tk与最近一次出现脉冲跳变时刻ti之差;
当车辆处于转弯时,通过虚拟轮速和各轮轮心处的转弯轨道半径进行轮速换算,各轮轮速间的换算关系为:
式中,a,b∈{fi、fo、ro、ri},fi、fo、ro、ri分别表示内侧前轮、外侧前轮、外侧后轮及内侧后轮,Va为待求的轮速,Vb为虚拟轮速,Ra和Rb分别表示转向时待求轮和虚拟轮车轮轮心的轨道半径,通过阿克曼转向模型和勾股定理进行计算。
5.根据权利要求4所述的基于多传感器信息的汽车低速车速估算方法,其特征在于,所述根据轮速计算结果计算车辆质心处的第一车速估算结果,包括:
根据车辆运动学模型,利用所求得的轮速计算结果计算车辆质心处的纵向车速V1x和侧向车速V1y:
式中,Vfi为内侧前轮轮速,Vfo为外侧前轮轮速,ωr为车辆横摆角速度,lf为车辆质心到前轴的距离,为虚拟前轮转角。
6.根据权利要求5所述的基于多传感器信息的汽车低速车速估算方法,其特征在于,所述基于电机转速信号计算车辆质心处的第二车速估算结果,包括:
当车辆直行时,根据电机转速、减速器传动比和车轮滚动半径计算车速:
式中,Vfj、Vrj分别为前轮和后轮轮速,nf、nr分别为前驱动电机和后驱动电机的转速,i0f、i0r分别为前后减速器的减速比,R是车轮的滚动半径;
当车辆转弯时,车辆质心处的纵向和侧向车速V2x,V2y分别为:
7.根据权利要求1所述的基于多传感器信息的汽车低速车速估算方法,其特征在于,将所述第一车速估算结果和所述第二车速估算结果通过交互多模型融合滤波算法进行融合计算。
8.一种基于多传感器信息的汽车低速车速估算装置,其特征在于,包括:
参数获取单元,被配置为获取车辆运行过程实时状态参数,包括轮速、方向角和电机转速;
运行状态判断单元,被配置为根据车辆运行过程实时状态参数判断车辆运行状态;
第一车速估算单元,被配置为基于车辆运行过程实时状态参数和车辆运行状态,通过自适应加权融合和基于阿克曼转向原理的轮速换算输出轮速计算结果,并根据轮速计算结果计算车辆质心处的第一车速估算结果;
第二车速估算单元,被配置为基于电机转速计算车辆质心处的第二车速估算结果;
车速融合单元,被配置为将第一车速估算结果和第二车速估算结果通过融合计算得到最终的车速估算结果。
9.一种电子设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
10.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310886758.9A CN117087682A (zh) | 2023-07-19 | 2023-07-19 | 基于多传感器信息的汽车低速车速估算方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310886758.9A CN117087682A (zh) | 2023-07-19 | 2023-07-19 | 基于多传感器信息的汽车低速车速估算方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117087682A true CN117087682A (zh) | 2023-11-21 |
Family
ID=88776246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310886758.9A Pending CN117087682A (zh) | 2023-07-19 | 2023-07-19 | 基于多传感器信息的汽车低速车速估算方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117087682A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289706A (zh) * | 2023-11-24 | 2023-12-26 | 福勤智能科技(昆山)有限公司 | 一种自主作业设备的轮组控制方法及装置 |
-
2023
- 2023-07-19 CN CN202310886758.9A patent/CN117087682A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289706A (zh) * | 2023-11-24 | 2023-12-26 | 福勤智能科技(昆山)有限公司 | 一种自主作业设备的轮组控制方法及装置 |
CN117289706B (zh) * | 2023-11-24 | 2024-03-08 | 福勤智能科技(昆山)有限公司 | 一种自主作业设备的轮组控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107839749B (zh) | 电动轮汽车转向路感及整车稳定性控制方法 | |
CN109606378B (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
CN106394561B (zh) | 一种车辆的纵向车速的估计方法和装置 | |
CN110271608B (zh) | 车辆转向控制方法、装置、系统以及车辆 | |
JPH0616143A (ja) | 自動車の動的余裕安全度を求める方法 | |
CN110217239B (zh) | 一种车辆横摆角速度测量方法及设备 | |
CN111775950B (zh) | 车辆参考速度测算方法、装置、设备、存储介质和系统 | |
CN108819950B (zh) | 汽车稳定性控制系统的车速估计方法及系统 | |
JPS61211165A (ja) | 車両運動状態推定装置 | |
CN111376971B (zh) | 一种基于齿条力的路面识别及自适应方向盘力矩补偿方法 | |
CN110341714B (zh) | 一种同时估计车辆质心侧偏角和扰动的方法 | |
JP2000302055A (ja) | 車線追従制御装置 | |
CN117087682A (zh) | 基于多传感器信息的汽车低速车速估算方法、装置及设备 | |
WO2022134929A1 (zh) | 一种确定车辆质量方法、装置、设备及介质 | |
CN110539646A (zh) | 一种用于全驱电动轮汽车的纵向车速估计方法及系统 | |
CN111806430B (zh) | 一种用于自动泊车的车速计算方法 | |
CN110304070A (zh) | 一种分布式独立驱动汽车纵向车速估计方法 | |
Damon et al. | Lateral & steering dynamics estimation for single track vehicle: Experimental tests | |
CN112270039A (zh) | 基于分布式异步融合的线控底盘车辆非线性状态估计方法 | |
JP2008265545A (ja) | 車両の重心位置推定装置及び重心位置/ヨー慣性モーメント推定装置。 | |
CN107499373A (zh) | 零到低车速下无转矩传感器提供辅助的修改静态轮胎模型 | |
CN113609586A (zh) | 一种侧偏刚度、转动惯量参数联合辨识方法及系统 | |
CN112026749B (zh) | 一种线控转向系统稳定性控制方法 | |
CN206871167U (zh) | 一种基于参数估计的线控转向控制系统 | |
CN111231976B (zh) | 一种基于变步长的车辆状态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |